肝毒性门户网站 (HTP):是药物诱导肝毒性知识库和基于图形神经网络的预测模型的综合数据库
Jiyeon Han1, Wonho Zhung2, Insoo Jang3
1Department of Bio-Information Science, Ewha Womans University, Seoul, 03760, Republic of Korea.
Journal of cheminformatics
|April 8, 2025
概括
一个新的肝毒性门户 (HTP) 提供精选的肝毒性数据和先进的机器学习模型,用于准确的药物开发预测. 该工具整合了各种数据源,以改善药物安全性评估.
科学领域:
- 药理学和毒理学 药理学和毒理学
- 计算化学计算化学
- 药物开发 药物开发
背景情况:
- 肝毒性是药物开发中的一个主要障碍,由于数据碎片化和治疗不一致而复杂化.
- 准确预测药物诱导的肝损伤对于患者的安全和有效的治疗开发至关重要.
研究的目的:
- 开发一个全面的资源,整合精选的肝毒性数据和预测模型.
- 为药物开发提高肝脏毒性信息的准确性和可访问性.
主要方法:
- 开发了肝毒性门户 (HTP),包括专家策划的知识库 (HTP-KB) 和机器学习预测模型 (HTP-Pred).
- HTP-KB综合了来自9个数据库的数据,经过专家审查和分类 (体外,体内,临床),使用MedDRA术语,涵盖了8306种化学品.
- HTP-Pred使用精心策划的数据集微调了一个GNN基础模型,预先训练了大约1000万种PubChem化学品.
主要成果:
- HTP-KB提供了一个统一的,精心策划的肝毒性信息库.
- HTP-Pred模型实现了0.761的AUROC,超过了现有的肝毒性预测方法.
- 肝毒性门户公开提供,通过直观的界面提供数据和预测服务.
结论:
- 肝毒性门户网站 (HTP) 有效地解决了肝毒性数据管理和预测方面的挑战.
- HTP为研究人员和从业人员提供了有价值的,可访问的资源,支持更安全,更有效的药物开发.
- 综合知识库和高级预测模型在预测药物诱导的肝损伤方面取得了重大进展.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:40A Data Integration Workflow to Identify Drug Combinations Targeting Synthetic Lethal Interactions
Published on: May 27, 2021
4.1K
